Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
SANTI: Robot de Trading con Pronósticos Basados en Inteligencia Artificial,
una Evolución para el Mercado de Valores
Gustavo Adolfo Vásquez Perdomo
&
Jorge Muñoz Sepúlveda
Categoría Posgrado
2
SANTI: Robot de Trading con Pronósticos Basados en Inteligencia Artificial,
una Evolución para el Mercado de Valores
“Trading strategies work, traders don’t.”
Larry Williams
Predecir series de tiempo financieras y tener un adecuado control de las
emociones, dos problemas complejos que disminuyen las probabilidades de éxito
en el trading.
Este artículo ilustra un nuevo y original desarrollo para el mercado de valores
colombiano, que mejora el retorno de las transacciones y disminuye el riesgo,
mediante pronósticos basados en Inteligencia Artificial y herramientas de gestión
del riesgo, eliminando el impacto de las emociones en la toma de posiciones para
el mercado de Valores Colombiano.
Se aplica satisfactoriamente a activos financieros transados en la BVC y a otros
mercados, evaluando su capacidad de generalización.
PALABRAS CLAVE: Finanzas Computacionales, Trading Algorítmico, Inteligencia
Artificial, Desarrollo del Mercado de Valores, Aprendizaje de Maquina, Redes
Neuronales Artificiales, Pronósticos de índices financieros
Clasificación JEL: C22, C45, C53, C63
3
CONTENIDO
0. INTRODUCCIÓN .............................................................................................. 5
1. MARCO TEÓRICO DE REFERENCIA ............................................................. 7
1.1. La Hipótesis de los Mercados Eficientes (HME) ........................................ 7
1.2. Teoría Moderna del Portafolio (TMP) ......................................................... 8
1.3. Gestión Activa de Portafolios ..................................................................... 8
1.4. Evaluación de Portafolios ........................................................................... 9
1.5. Pronóstico del Mercado Mediante Inteligencia Artificial ............................. 9
2. METODOLOGIA ............................................................................................. 11
2.1. Módulo de Emisión de Órdenes ............................................................... 12
2.1.1. Definición de la estrategia ................................................................................. 13
2.1.2. Formulación de la estrategia ............................................................................ 13
2.1.3. Evaluación preliminar ......................................................................................... 13
2.1.4. Optimización .......................................................................................................... 15
2.1.5. Validación del Robot en un tiempo real ........................................................ 16
2.1.6. Evaluación del desempeño en un mercado real ........................................ 16
2.1.7. Mejoramiento permanente del algoritmo ...................................................... 16
2.2. Módulo de Gestión del Riesgo ................................................................. 17
2.3. Módulo de Rebalanceo del Portafolio....................................................... 18
2.4. Módulos de Pronóstico ............................................................................. 19
2.5. Algoritmos y Evaluación ........................................................................... 19
2.5.1. Técnico .................................................................................................................... 19
2.5.2. Inteligente ............................................................................................................... 20
2.5.3. Mixto ........................................................................................................................ 20
3. RESULTADOS ............................................................................................... 21
3.1. Comparación de resultados frente a la gestión pasiva de buy & hold ...... 21
3.2. Desempeño en otros mercados ............................................................... 22
4. CONCLUSIONES Y RECOMENDACIONES ................................................. 22
5. BIBLIOGRAFÍA .............................................................................................. 26
6. ANEXOS ......................................................................................................... 32
4
INDICE DE GRÁFICOS
Gráfico 1 Crecimiento del trading algorítmico en el mundo ................................................ 6
Gráfico 2 Arquitectura de una Red Neuronal NARX. ........................................................ 11
Gráfico 3 Esquematización de un Sistema Automatizado de Trading .............................. 12
Gráfico 4 Flujograma del Diseño y evaluación de SANTI Robot ...................................... 12
Gráfico 5 Rangos Verdaderos para el cálculo del ATR .................................................... 18
Gráfico 6 Intervalos de confianza para un módulo de pronóstico ..................................... 20
Gráfico 7 Intervalos de confianza para un módulo de pronóstico ..................................... 21
INDICE DE TABLAS
Tabla 1. Estadísticos para SANTI con el iColcap. ............................................................ 21
Tabla 2. Estadísticos de SANTI en otros mercados. ........................................................ 22
INDICE DE FÓRMULAS
Ecuación 1 Red Neuronal Autorregresiva .................................................................................. 10
Ecuación 2. Estadístico para el Sharpe Ratio ............................................................................ 14
Ecuación 3 Retorno esperado del Portafolio .............................................................................. 14
Ecuación 4 Desviación Estándar de los retornos del Portafolio ............................................. 14
Ecuación 5 Cálculo del Take Profit .............................................................................................. 18
Ecuación 6 Cálculo del Stop Loss ............................................................................................... 18
INDICE DE ANEXOS
Anexo 1 Estadísticos y datos para el iColcap .................................................................. 32
Anexo 2 Pronóstico, precios de cierre e indicadores para el iColcap. ............................. 32
5
0. INTRODUCCIÓN
La generación de productos y servicios útiles en el Mercado de Valores es una
estrategia para aumentar la penetración entre los inversionistas, éste artículo
propone un novedoso sistema robótico que basa sus pronósticos en modelos
sofisticados de inteligencia artificial y/o en análisis técnico; se explican los
procesos de diseño y evaluación de múltiples algoritmos de trading1 automático,
para ser aplicado al mercado de valores colombiano, que a la vez minimiza el
riesgo al eliminar el impacto de las emociones en la toma de posiciones de
inversión, superando los resultados de su benchmark.
Citando a The economist (2012), “En un mundo donde los algoritmos propietarios
son una fuente de ventaja competitiva, el secreto en sus métodos y desarrollos
generan todo un arraigo cultural”; así la relevancia de esta investigación para los
inversionistas, y las casas de bolsa la plantea Aldridge (2010) cuando plantea que
Jim Simmons de Renaissance Technologies Corp., un grupo dedicado al
desarrollo de algoritmos de trading automático reportó utilidades durante el 2008
por valor de $2.5 billones de dólares, en un año que la mayoría de fondos
dedicados al Trading en los Estados Unidos (y en el mundo entero, debido al
colapso financiero) reportaban perdidas. Durante dicho periodo, las utilidades en
este tipo de negocios habían sido repartidas entre organizaciones dedicadas al
trading algorítmico.
1 Trading se refiere a comerciar (comprar y vender) activos, específicamente activos financieros.
6
Gráfico 1 Crecimiento del trading algorítmico en el mundo
Fuente: Aite Group – The Economist, 2012.
A partir de los desarrollos teóricos de las aplicaciones de inteligencia artificial para
realizar pronósticos de los índices financieros (Wang el al. 2011) y aprovechando
las nuevas tecnologías aplicadas al desarrollo y uso de estrategias automatizadas
de trading, también conocidas como robots (Izumi et al. 2010, Vuorenmaa 2012, X.
Lin et al 2011), se realiza en esta investigación el diseño e implementación de
S.A.N.T.I. (Sistema Automatizado Neuronal de Trading Inteligente), un robot
compuesto por varios módulos, que se conecta a una base de datos con los
precios históricos, los analiza y realiza pronósticos para el precio de cierre
generando una cotización objetivo (target), este objetivo hace que el robot de
trading evalúe la brecha entre la cotización actual y el target, emitiendo una orden
de compra de determinada cantidad de unidades del activo cuando sea
conveniente.
El diseño del algoritmo de Inteligencia artificial que se utiliza para la investigación
es el planteado por Vásquez & Muñoz (2012), mientras que el algoritmo basado en
análisis técnico2 utiliza el cruce de la Señal con la MACD, una confirmación de la
tendencia mediante la EMA, y una validación previa a la orden de compra
mediante el indicador RSI, de uso frecuente en los mercados financieros, descritos
por Elder (1993).
2 El pronóstico con indicadores técnicos incluye el cruce de la Señal con la MACD, una confirmación de la tendencia mediante la EMA(200), y una validación previa a la orden de compra mediante el indicador RSI(14).
7
El orden del artículo es el siguiente; descripción de las principales teorías y
teóricos del trading e hipótesis sobre la eficiencia o fallos del mercado,
posteriormente se encuentra el proceso de diseño de robots3, descripciones de los
módulos de gestión de riesgo, pronóstico y de rebalanceo de portafolio. Luego se
revisa el desempeño de tres algoritmos de trading durante un periodo de tiempo
del mercado mediante la metodología del Backtesting y se revisan varios pros y
contras de dicha metodología, el módulo de Inteligencia Artificial del robot se
aplica después a otros mercados, como el S&P500, el par EURUSD del mercado
de divisas y la cotización del Oro. Para finalizar se presentan las conclusiones y
futuras temáticas en la investigación.
1. MARCO TEÓRICO DE REFERENCIA
1.1. La Hipótesis de los Mercados Eficientes (HME)
En resumen, la hipótesis de los mercados eficientes establece que no se pueden
obtener mejores retornos que los del mercado (Wolfinger (2005), Grinold & Kahn
1999) de manera consistente a través del tiempo. Dicha situación se presenta
debido a que en un mercado eficiente todos los participantes disponen de la
misma información, lo cual regula los precios mediante un equilibrio entre oferta y
demanda de cada activo en el mercado, o expresado de otra manera, el precio del
activo refleja el valor presente del mismo, eliminándose las posibilidades de tener
una utilidad excesiva a partir del activo mediante el uso de la información
disponible (Ross, Westerfield & Jaffe 2003).
Una adaptación de la HME es presentada por el profesor Andrew Lo en su trabajo
“The adaptive Markets Hypothesis: Market efficiency from an Evolutionary
Perspective (2004)”. El trabajo de Lo parte de los principios de la evolución, donde
el establecimiento de los precios surge debido a las condiciones ambientales y al
número y naturaleza de las “especies” (agentes) en la economía. Así los mercados
3 En el documento se le llama Robot o Algoritmo de Trading indistintamente al módulo que toma las decisiones y envía las órdenes de compra del activo financiero.
8
serían “adaptativamente eficientes”, donde el grado de eficiencia que presenten
sería función de la cantidad de agentes en competencia, el tamaño de las
oportunidades para generar utilidades con determinado activo, y la adaptabilidad
de los participantes del mercado. Según dicha hipótesis, una bolsa de valores
pequeña y con un reducido número de inversionistas presenta menor eficiencia
que un mercado como el MILA (Mercado Integrado Latinoamericano), donde
entidades de muchos países pueden estar en puja por los mismos activos.
1.2. Teoría Moderna del Portafolio (TMP)
La TMP (Teoría Moderna del Portafolio) plantea, según los hallazgos de Harry
Markowitz (1952) que la diversificación de los activos realizada de manera
sistemática, teniendo en cuenta sus expectativas de retorno y de riesgo minimiza
la exposición de la inversión al riesgo, mientras maximiza las probabilidades de un
alto retorno al desplazarse por lo que se ha llamado “la frontera eficiente”.
1.3. Gestión Activa de Portafolios
Según Grinold & Kahn (1999), la gestión activa del portafolio se refiere al uso de
pronósticos. Mientras el modelo CAPM4, que se basa en la teoría de la HME y en
la teoría moderna del portafolio establece que el retorno residual esperado de
cualquier portafolio es igual a cero; en este punto entra a jugar un papel
importante el pronóstico del mercado. Esta posibilidad de identificar posibles
tendencias o variaciones futuras en el precio de los activos financieros se
constituye en el retorno esperado (conocido como alfa), que es el elemento a
pronosticar, y que puede ser calculado como el promedio de los retornos
históricos. Sin pronósticos no habría más opción que la gestión pasiva de los
portafolios, consistente en comprar el activo, y esperar durante el tiempo y con alta
incertidumbre si estos incrementan su precio, o lo disminuyen. La gestión activa de
los portafolios también busca reducir el riesgo al cuál se expone el inversionista
durante su construcción mediante estadísticos que involucran la medición de los
retornos y el riesgo.
4 CAPM sigla de Capital Assets Pricing Model o modelo de valoración de activos de capital.
9
1.4. Evaluación de Portafolios
La evaluación de los portafolios de inversión es una labor compleja. La noción
intuitiva para un inversionista sería considerar los retornos sobre su inversión para
evaluar entre dos o más portafolios: sin embargo esta visión deja a un lado
aspectos importantes como el riesgo en que se ha incurrido para obtener dicho
retorno, o la pérdida máxima histórica que ha tenido dicho portafolio en un
determinado periodo de tiempo. Gracias a lo anterior, y según establece Aldridge
(2010) se han desarrollado múltiples estadísticos para resumir el impacto del
retorno esperado y el riesgo en un solo número o índice que permita comparar el
de desempeño de las estrategias de trading utilizadas por distintos portafolios de
inversión; algunos de los principales son el Sharpe Ratio, el Sortino Ratio, al Alfa
de Jensen, el ratio de Treynor entre otros. El Benchmark, o referencia para la
evaluación será el índice General de la Bolsa de Colombia con la estrategia que
utiliza el iColcap®5, un benchmark adecuado debe utilizarse para cada mercado a
analizar.
1.5. Pronóstico del Mercado Mediante Inteligencia Artificial
El pronóstico de los mercados toma como insumo diferentes tipos de información,
por ejemplo datos fundamentales sobre el valor de las empresas (indicadores de
análisis financiero), el desempeño macroeconómico del país donde se realizan las
transacciones, o el retorno del activo entre otras.
Autores como Tucker Balch (2011) utilizan métodos de aprendizaje de máquina
como los árboles de decisión para sus pronósticos, Guresen et al. (2011) utilizan
modelos mixtos de inteligencia artificial y econometría, Wang et al. (2011) utilizan
modelos de redes neuronales con pre-procesamiento mediante el filtrado de
señales, Vásquez & Muñoz (2012), proponen y evalúan diferentes métodos para
realizar pronósticos de índices financieros, basándose en métodos de inteligencia
artificial. Dicha investigación deriva en un modelo de Redes Neuronales Artificiales
del tipo NARX, con aprendizaje supervisado que brinda buen ajuste (R2) en el
5 Creado por iShares, iColcapes un ETF (Exchange TradedFunds) que busca replicar el comportamiento del índice COLCAP.
10
pronóstico del índice Colcap, así como del S&P500. Una Red Neuronal es un
modelo matemático computarizado que permite realizar ajuste y pronóstico de
series de tiempo, (Wang et al. 2011, Caicedo & López 2009, entre otros).
En la Red Neuronal Artificial NARX la salida (o valor a predecir) es función tanto
de las entradas y las salidas actuales como de los valores previos de la serie de
tiempo, lo que genera su componente autorregresivo. (Menezes & Barreto 2008)
Ecuación 1 Red Neuronal Autorregresiva
[1]
u(n)=Entrada actual
y(n)=Salida actual
dy>=du
h=Cantidad de neuronas en la capa oculta
fh=función de activación (no lineal)
Esta arquitectura, consta de una capa de entrada, capas ocultas y una de salida,
con una función de activación en su capa oculta del tipo no lineal (Gráfico2.)
11
Gráfico 2 Arquitectura de una Red Neuronal NARX.
Fuente: Menezes y Barreto, 2008.
2. METODOLOGIA
Un Robot de Trading, también llamado “Estrategia de Trading Automático”,
“Algoritmo de Trading”, “Trading Algorítmico” o simplemente “Algo”, es en resumen
un sistema informático compuesto por módulos que cumplen diferentes funciones:
cargue y análisis de datos históricos del precio del activo, análisis de eventos
(fundamentales), pronósticos del mercado, balanceo de portafolios, generación de
órdenes de mercado, cálculo del tamaño de orden, entre otros. Un esquema
general se puede observar en el Gráfico 3.
12
Gráfico 3 Esquematización de un Sistema Automatizado de Trading
Fuente: Los Autores.
2.1. Módulo de Emisión de Órdenes
Para el diseño del algoritmo de trading se ha realizado una adaptación del método
establecido por Pardo (2008), en el cuál se esquematiza lo concerniente a la
selección de la estrategia, su evaluación preliminar, optimización, validación en
una plataforma demo, evaluación del desempeño en tiempo real y mejoramiento
permanente del algoritmo.
Gráfico 4 Flujograma del Diseño y evaluación de SANTI Robot
Fuente: Pardo (2008), Adaptación: los autores.
13
2.1.1. Definición de la estrategia
una estrategia de trading consiste en una serie de reglas, matemáticas, analíticas,
gráficas entre otras, mediante las cuales se busca inferir el comportamiento futuro
del mercado (pronóstico). Mientras que no hay evidencia académica concluyente
sobre la posibilidad de pronosticar el mercado mediante el análisis técnico (Lin
Xiaowei et al. 2011, Lo et al, 2000), se han desarrollado diversos métodos desde
la estadística y la inteligencia artificial que permiten pronósticos adecuados.
2.1.2. Formulación de la estrategia
Existen diferentes fuentes para la estrategia a trabajar con el robot, abundante
literatura sobre estrategias basadas en indicadores técnicos, como por ejemplo
Elder (1999), Boellinger (2002), entre otros. También es posible conseguir
información en la web, mediante los portales de trading, los foros sobre trading
automático entre otros.
Otra fuente de estrategias son los profesionales del trading, que utilizan diversos
métodos e indicadores para desempeñar su labor; servicios como Bloomberg®
con indicadores pre-configurados entre otros. También es posible encontrar
estrategias en la literatura científica, en Journals sobre finanzas computacionales
o aprendizaje de máquinas. Finalmente, la estrategia puede ser una simple idea.
Lo único imprescindible, es el hecho de que la idea debe poderse expresar como
un conjunto de reglas y fórmulas, de manera sistemática y que siguen un flujo de
ejecución estricto. Una vez se selecciona la estrategia, se procede a realizar la
implementación en lenguaje de programación del algoritmo que la representa.
La formulación y escogencia de la estrategia tiene mucha similitud con el método
científico, en el hecho de que se plantea una hipótesis, que después será
rechazada o no según el desempeño que se obtenga con el algoritmo aplicado.
2.1.3. Evaluación preliminar
Una vez traducida la estrategia a lenguaje de programación, se procede a validar
que dicha codificación haya sido exitosa, es decir, que el programa efectivamente
14
corra en la plataforma escogida, lea de manera adecuada los datos históricos, y
cumpla las órdenes que se pretenden mediante la estrategia.
Cuando se evidencia que la codificación cumple con los estándares y
requerimientos de la estrategia, como por ejemplo abrir y cerrar operaciones
cuando los pronósticos y el módulo de gestión de riesgo así lo indiquen), se
procede a evaluar su desempeño en términos de retorno y riesgo asumido con los
datos históricos. Esta prueba es conocida como backtesting. La función objetivo
de esta evaluación puede ser simplemente la utilidad obtenida, o diversas
combinaciones de retorno con riesgo, como el Sharpe ratio o el Treynor ratio.
Funciones objetivo para la evaluación: durante la presente investigación se utiliza
el Sharpe Ratio como función objetivo de Optimización y Evaluación de los
Robots.
El Sharpe Ratio, postulado en 1966 por el profesor William F. Sharpe es uno de
los estadísticos más utilizados para medir el desempeño de los portafolios de
inversión, incorporando tres medidas en una; el retorno promedio o esperado (
), la desviación estándar de los retornos( ) y el costo de capital.
Ecuación 2. Estadístico para el Sharpe Ratio
, [2]
Ecuación 3 Retorno esperado del Portafolio
[3]
Ecuación 4 Desviación Estándar de los retornos del Portafolio
[4]
15
Para el análisis de las estrategias de SANTI, se tomará , debido a que el retorno
de los activos conocidos como “sin riesgo” en el periodo de un día tiende a cero.
Si el algoritmo utilizado muestra durante la evaluación preliminar utilidades
positivas se procede a su optimización.
Ante la imposibilidad de utilizar los costos de transacción durante el backtesting,
se realizó una modelación con datos estadísticos mediante el cálculo de un valor
esperado de Slippage6, que incluye el Spread y una tarifa del comisionista que se
carga a cada transacción.
2.1.4. Optimización
Esta etapa se refiere a mejorar el desempeño del robot, maximizando el Sharpe
Ratio. Un riesgo presente en el desarrollo de estrategias automatizadas es el
conocido como sobre-aprendizaje, que se refiere a una adaptación de las reglas
de decisión a las tendencias y comportamientos de los datos históricos utilizados
para el proceso de optimización. Según Pardo, el sobre-aprendizaje sucede
durante los procesos de modelamiento estadístico cuando se realiza un esfuerzo
muy grande en crear una curva que encaje perfectamente en cada inflexión que
posea la serie de tiempo original.
En términos de estrategias de trading, la optimización se refiere a generar
variaciones en los parámetros de la estrategia, y validar cada vez el resultado en
la función objetivo, de tal manera que se obtenga una maximización de la misma;
he ahí el riesgo del sobre-aprendizaje, y para evitarlo se presenta el siguiente
paso.
6 Investopedia define el Slippage como la diferencia entre el precio esperado de una orden (compra o venta
del activo) y el precio al que realmente se ejecuta en la plataforma.
16
2.1.5. Validación del Robot en un tiempo real
Dos maneras de realizar este paso:
1). con datos por fuera de la muestra con la que se realizó la optimización
(también llamado análisis de caminata hacia adelante) o
2). Con datos en tiempo real, utilizando una plataforma demo.
Si durante este proceso el estadístico escogido como función objetivo varía
drásticamente de su desempeño durante las evaluaciones en backtesting con
tendencia de mercado al alza o a la baja, el algoritmo debe regresar a etapa de
evaluación, optimización y ajustes.
2.1.6. Evaluación del desempeño en un mercado real
Tan pronto como se ha avanzado en el proceso hasta la validación del robot en
tiempo real o en la plataforma demo, se procede a implementarlo en tiempo real y
con dinero real, evaluando su desempeño permanentemente. Al igual que en el
paso anterior, si se evidencia una desviación grande del desempeño en las
pruebas, es conveniente detenerlo y evaluarlo nuevamente.
Los motivos para que haya variaciones grandes son diversos, puede generarse un
cambio en tendencia, o movimientos atípicos (brechas, datos fundamentales, entre
otros).
2.1.7. Mejoramiento permanente del algoritmo
La revisión permanente del desempeño del robot, transacción por transacción
permitirá evidenciar potenciales fortalezas y debilidades de la estrategia, y junto a
ellas oportunidades de mejora.
Este mejoramiento se realiza validando permanente el Sharpe Ratio, el Retorno
Anualizado y el vencimiento del tiempo de validez de la optimización.
17
El tiempo de validez de la optimización se ha establecido como una función del
tamaño de la ventana de entrenamiento (cantidad de datos históricos) establecida,
que en el caso de SANTI en esta investigación incluye datos de cuatro semanas
en periodos de 15 minutos; de acuerdo a Pardo (2008), el Robot pierde la validez
de sus pruebas, debiendo ser optimizado en un intervalo de tiempo que fluctúa
entre 1/3 y 1/8 del tamaño de su ventana de entrenamiento. Para el estudio actual,
SANTI es optimizado cuando se ha cumplido 1/4 del tamaño de la ventana, lo cual
lleva a una optimización semanal antes de empezar el proceso de trading.
2.2. Módulo de Gestión del Riesgo
El módulo de gestión de riesgo se diseña para que cada orden enviada al mercado
contenga un límite para la toma de utilidades (Take Profit) y un límite que
disminuya la posible pérdida (Stop Loss). Además, antes de colocar cada orden, el
sistema calcula automáticamente un margen de seguridad o margen mínimo a
mantener en la cuenta y que puede alterar el Stop Loss, previniendo un cierre de
cuenta por llamado a margen.
El cálculo del cierre de órdenes se realiza teniendo en cuenta el indicador de Wells
(1978) llamado ATR7 o Promedio de rango verdadero, que se calcula como el
promedio entre los “rangos reales” de las últimas n cotizaciones del activo. El
rango real se identifica como el mayor valor que tome cualquiera de los siguientes
rangos:
Máximo actual menos mínimo actual.
Valor absoluto del máximo actual menos el cierre de la vela anterior.
Valor absoluto del mínimo actual menos el cierre de la vela anterior.
7 ATR Sigla inglesa correspondiente a Average True Range, o Rango Promedio Verdadero
18
Gráfico 5 Rangos Verdaderos para el cálculo del ATR
Fuente: El autor.
Así, las órdenes de compra tendrán:
Ecuación 5 Cálculo del Take Profit
Ecuación 6 Cálculo del Stop Loss
Finalmente, para disminuir el riesgo causado por las brechas entre el precio de
cierre en un día, y el precio de apertura al siguiente, SANTI liquida al final de cada
día las posiciones abiertas.
2.3. Módulo de Rebalanceo del Portafolio
Siguiendo las recomendaciones de Wolfinger (2005) y Balch (2013) se ha
escogido un ETF del Mercado de Valores Colombiano, el iColcap, lo que presenta
las siguientes ventajas:
Diversificación del riesgo: Debido a las condiciones de creación del iColcap
podemos decir que la variedad de acciones y sectores representados en el
Máximo
Cierre
Anterior
True
Range
True
Range
Cierre
Anterior
Mínimo
19
ETF genera una diversificación natural del riesgo, según la Teoría Moderna
del Portafolio.
Bajos costos de transacción: la compra y venta de ETFs genera menor
costo de transacción que la compra y venta indexada de las acciones
subyacentes al activo.
Se evita el pronóstico y selección de múltiples acciones, lo cual genera
mayores requerimientos de máquina (hardware) y tiempo.
Debido a lo anterior, no se ha utilizado el módulo de cálculo de la frontera eficiente
ni de rebalanceo del portafolio.
2.4. Módulos de Pronóstico
SANTI posee dos módulos de pronóstico que pueden trabajar de manera
individual o cooperativa. El primer módulo es el de pronóstico mediante
indicadores técnicos; para efectos del presente artículo se utilizaron únicamente
los indicadores técnicos MACD, RSI y Media Móvil Exponencial, sin embargo se
puede codificar cualquier indicador técnico para ser utilizado mediante este
módulo. El segundo módulo de pronóstico utiliza aprendizaje de máquina,
específicamente Redes Neuronales Artificiales. El diseño de dicho módulo parte
de la metodología presentada por Balestrassi et al. (2009): el pronóstico se realiza
sobre los precios de cierre de la divisa en el periodo de tiempo escogido.
2.5. Algoritmos y Evaluación
SANTI se compone de tres algoritmos resultantes de la mezcla de la inteligencia
artificial y el análisis técnico. Dichos algoritmos han sido llamados Técnico, Mixto e
Inteligente, y son descritos brevemente a continuación.
2.5.1. Técnico
Este algoritmo establece como elemento de pronóstico al alza o de cambio de
tendencia el cruce de la línea MACD con la Señal, debido a que no están
disponibles las ventas en corto en la BVC, sólo compra en mercados al alza, por lo
20
cual la orden se refuerza con una media móvil exponencial larga, que debe estar
debajo del precio de compra (Ask). Por último, se tiene en cuenta que el indicador
de fuerza relativa o RSI por sus siglas en inglés esté en ascenso.
Gráfico 6 Intervalos de confianza para un módulo de pronóstico
Fuente: Los Autores.
2.5.2. Inteligente
Este algoritmo posee una RNA con capacidad de pronosticar el sentido y la
probabilidad de que el activo financiero alcance determinado precio. Puede
predecir a corto (intra-día) y mediano plazo (semanal); dicho plazo depende del
periodo de tiempo esperado para las transacciones. Para efectos de la
investigación los pronósticos se han realizado a mediano plazo.
El algoritmo Inteligente está diseñado para abrir y cerrar las operaciones en un
intervalo máximo de un día.
2.5.3. Mixto
Similar a lo propuesto por Chen et al (2009), en el algoritmo con funcionamiento
mixto, la señal que provee la Red Neuronal es validada por la media móvil
exponencial y el sentido del indicador de fuerza relativa. Está diseñado para abrir y
cerrar las operaciones en un intervalo máximo de un día.
21
3. RESULTADOS
3.1. Comparación de resultados frente a la gestión pasiva de buy & hold
Una vez terminado el proceso de validación con iColcap, para un periodo de
cuatro (4) semanas, los resultados fueron los siguientes:
Retorno del periodo en estrategia Buy & Hold : -5.5%, Sharpe Ratio: - 0.184
Tabla 1. Estadísticos para SANTI con el iColcap.
Estrategia Técnica Mixta Inteligente
Tiempo Retorno Sharpe
Ratio Retorno
Sharpe
Ratio Retorno
Sharpe
Ratio
4 Sem.
15/04/13
10/05/13
-0.28% -1.20 -2.10% - 0.16 -0.33% - 1.33
Fuente: Los autores.
Gráfico 7 Intervalos de confianza para un módulo de pronóstico
Datos: Bloomberg ©, Fuente: Los autores.
22
3.2. Desempeño en otros mercados
Se evaluaron los demás mercados en periodos de cuatro semanas, que aunque
no son directamente comparables, permiten tener una idea del desempeño. Los
módulos Mixto y de inteligencia artificial deben ser ajustados cada vez que se
realice un cambio de mercado, o de franja de tiempo.
Los resultados aplicando el módulo “Inteligente”, se resumen en la tabla 2:
Tabla 2. Estadísticos de SANTI en otros mercados.
Módulo
“Inteligente”
S&P500
SPY
EURUSD ORO
Retorno Sharpe
Ratio
Buy &
Hold
Retorno Sharpe
Ratio
Buy &
Hold
Retorn
o
Sharpe
Ratio
Buy &
Hold
Resultados en
cuatro
Semanas,
Lunes a
Viernes
5.4% 0.14 1.81% 30.7% 0.25 -0.68% 2.4% 0.06 -5.7%
Fuente: Los Autores.
4. CONCLUSIONES Y RECOMENDACIONES
El desarrollo de las finanzas computacionales y el interés por innovar en la BVC
han permitido contribuir al desarrollo del mercado financiero colombiano mediante
el diseño e implementación de SANTI que es, hasta donde se evidencia en las
publicaciones consultadas, el primer robot de trading con pronósticos de
inteligencia artificial en Colombia, como una alternativa válida e interesante para
profundizar en su desarrollo y que funciona en tiempo real, más allá de las
pruebas con datos históricos.
El resultado del Backtesting de SANTI en el índice iColcap supera el retorno de la
estrategia pasiva (Buy & Hold) con mejor Sharpe Ratio (1.3 para Santi frente a
0.18 del Buy & Hold).
23
Destaca también el buen comportamiento en otros mercados; retorno de 5.4% con
S&P500, 30.7% en EURUSD y 2.4% para el Oro.
Los resultados con el iColcap, son atractivos para continuar con el refinamiento de
los modelos de pronóstico; nuevos modelos de inteligencia artificial basados en
Cadenas de Markov, Redes Bayesianas, Árboles y Bosques de Decisiones, en los
modelos de análisis técnico también hay muchos algoritmos y combinaciones de
indicadores para ser ensayados. Una vez se disponga de un algoritmo con
resultados adecuados al mercado (superar el Benchmark con Sharpe Ratio
mayor), el siguiente paso del grupo de investigación será con los algoritmos de
alta frecuencia.
Es interesante que durante el periodo analizado y bajo las condiciones del
mercado (tendencia marcada a la baja y sin posibilidad de compras en corto), el
retorno de la estrategia pasiva (Buy & Hold) con el iColcap como referente del
mercado colombiano es inferior al resultado de los tres algoritmos; sin embargo es
necesario hacer más pruebas, en backtesting y en tiempo real para decidir sobre
la implementación de uno de estos algoritmos: sólo con muchas pruebas se
logrará llegar a resultados estadísticamente significativos.
Entre las principales dificultades con las que ha contado este estudio se
encuentran; mientras la prueba en tiempo real con EURUSD, S&P500 y Oro
permite validar la confiabilidad de SANTI, la BVC no dispone aún de un servidor
de prueba para plataformas demo. Esta situación presenta una oportunidad
importante para mejorar los servicios de la bolsa de valores de Colombia, en un
momento donde el trading algorítmico es cada vez más importante a nivel mundial,
este servidor permitiría incentivar el mercado de la BVC mediante concursos
orientados a desarrolladores de estrategias, situación que ya se presenta en
Rusia, Japón, Estados Unidos, entre otros, y ubicar la BVC y el mercado financiero
nacional a la vanguardia de la tecnología y el desarrollo humano mediante
competencias difíciles de conseguir en el mercado laboral.
24
Con la prueba o “backtesting”, se realiza un procedimiento matemático con el que
se espera “simular” la situación real del mercado; sin embargo es posible que en el
momento mismo de colocar la posición en tiempo real no se encuentre Oferta o la
Demanda efectiva del mismo. Para minimizar la probabilidad de ocurrencia de esta
situación, se escogen activos financieros de alta bursatilidad.
Debido a la ley de la oferta y la demanda, cada posición que se tome en el
mercado (compra o venta) genera fluctuaciones en el precio del activo. El análisis
con los precios históricos o en mercados “demo” niega esta situación, debido a la
ausencia de agentes para responder a la solicitud; se limita a una simulación
matemática del estilo “qué pasa si”.
En la práctica, el mercado se ve afectado por el trading automático (Miller 2008),
de tal manera que una investigación futura debe contar con un módulo para
calcular el tamaño de la orden, y cuando la orden sea muy grande, fragmentarla
en cantidad (de compra) y en el tiempo, es decir comprar pequeñas cantidades
durante varias horas o incluso días, en vez de comprar mucho en una sola
ocasión, evitando así que el mercado se revierta en contra del comprador.
Otro de los efectos que no pueden ser analizados durante el backtesting son las
posibles ineficiencias del mercado financiero, causadas por compras/ventas de
grandes participantes, como fondos de pensiones y que pueden generar
fluctuaciones o tendencias en el precio debido a su alta capacidad de compra
respecto al total del mercado.
La recomendación para la academia es fomentar la investigación en finanzas
computacionales, y en finanzas cuantitativas, así como en ingeniería financiera;
más allá de la conceptualización actual que nos permite tener buenos gerentes
financieros, con competencias técnicas en finanzas corporativas, debemos estar
pensando en investigación y desarrollo para nuevos productos financieros y
herramientas que permitan desarrollar y profundizar más nuestro mercado
financiero.
25
Finalmente, para futuras investigaciones seguramente será necesario activar el
total de los módulos (análisis de fundamentales, rebalanceo del portafolio, entre
otros).
26
5. BIBLIOGRAFÍA
___, (2011), Manual Metodológico para el Cálculo del índice COLCAP, Bolsa de
Valores de Colombia,.
___, Reglamento Fondo Bursátil iShares COLCAP, (2012) iShares – BlackRock,.
___,Definition of 'Slippage', (2013), recuperado el 14 de Agosto de 2013 de:
http://www.investopedia.com/terms/s/slippage.asp
Aldridge, Irene, (2010), High Frecuency Trading, John Wiley & Sons.
Balch, Tucker, (2011), Machine Learning is Sneaking Up On You, revisado en
15/04/13, URL http://augmentedtrader.wordpress.com/2011/03/13/machine-
learning-is-sneaking-up-on-you/
Balch, Tucker, (2013), StumpGrinder: An Open Source Actively Managed Portfolio
of ETFs, revisado en 15/04/13 URL
http://augmentedtrader.wordpress.com/2013/04/07/stumpgrinder-an-open-source-
actively-managed-portfolio-of-etfs/
Balch, Tucker, (2013), Computational Investment I, Materiales del Curso en
Georgia Tech revisado en 15/04/13 URLhttps://class.coursera.org/compinvesting1-
002/class/index
Balestrassi, P., Popova, E., Paiva, A. Marangon, J. (2009) Design of experiments
on neural network's training for nonlinear time series forecasting, on
Neurocomputing.72 :1160–1178.
Beltratti, A, Margarita, S, Terna, P, (1996), Neural Networks for Economic and
Financial Modelling. ITCP, .
Bodie, Z., A. Kane, & A. Marcus (1999). Investments. 4th ed. Irwin/McGraw Hill,
Brealey, R., and S. Myers.(2003), Principles of Corporate Finance. 7th ed.
Irwin/McGraw Hill,
27
Caicedo, Eduardo, López, Jesús, (2009), Una aproximación práctica a las Redes
Neuronales Artificiales, Universidad del Valle,
Campbell, Sean, (2005), A Review of Backtesting and Backtesting Procedures,
Finance and Economics Discussion Series Divisions of Research & Statistics and
Monetary Affairs Federal Reserve Board, Washington, D.C.
Chen, Yan, Mabu, Shingo, Shimada, Kaoru, Hirasawa Kotaro, (2009), A genetic
network programming with learning approach for enhanced stock trading model, en
Expert Systems with Applications 36 (2009) 12537–12546, ELSEVIER.
Cruz, Eduardo, Restrepo, Jorge, Varela, Pedro, (2009), Pronostico Del Índice
General De La Bolsa De Valores De Colombia Usando Redes Neuronales, en
Scientia et Technica Año XV, No 41, Mayo de 2009. Universidad Tecnológica de
Pereira. ISSN 0122-1701,.
Dacorogna, Michel, Gencay, Ramazan, Muller, Ulrich, Olsen, Richard, Pictet,
Olivier, (2001), An Introduction to High Frecuency Finance, Elsevier Inc.
Edwards, Robert, Magee, John, (__) Analysis Sock Trends, Jhon Magee Inc.
Boston Massachussets.
Elder, Alexander, (1999), Trading for Living, John Wiley & sons.
Fama, Eugene.F., (1970).Efficient capital markets: a review of empirical work.
Journal of Finance 25, 383–417.
Garcia, Pablo, (2002),Aplicaciones de las Redes Neuronales en las Finanzas,
Universidad Complutense de Madrid.
Gomez, María Luznedy, López Hugo, (2004) Modelación Estadística de Precios de
Bolsa de Energía en Colombia, trabajo de grado para optar al título de estadístico ,
Universidad del Valle.
28
Guresen, Erkam, Kayakutlu, Gulgun a, Daim, Tugrul U.(2011), Using artificial
neural network models in stock market index prediction on Expert Systems with
Applications 38 10389–10397, 2011
Grinold & Kahn (1999), Active Portfolio Management, Second Edition, McGraw Hill.
Hamid, Shaikh A., Iqbal Zahid, (2004),Using neural networks for forecasting
volatility of S&P 500Index futures prices, on Journal of Business Research 57 1116
– 1125, 2004.
Hansen, Bruce, (2011) Econometrics, University of Wisconsin,
Hinton, Geoffrey, (2012), Neural Networks for Machine Learning, Materiales del
Curso de la Universidad de Toronto vía Coursera, consultado en 16/04/13,
urlhttps://www.coursera.org/#course/neuralnets
Izumi et al. (2010), Evaluation of automated-trading strategies using an artificial
market, on Neurocomputing 72, Pgs 3469-3476.
Kaastra, icebeling, Boyd, Milton, (1996) Designing a Neural Network for forecasting
financial and economic time series, on Neurocomputing 10,.
Kostolany, André, (1987), Estrategia Bursátil, La mejor guía para inversores y
especuladores, Editorial Planeta,.
Xiaowei Lin, Zehong Yang, Yixu Song, (2011), Intelligent stock trading system
based on improved technical analysis and Echo State Network, en Expert Systems
with Applications 38 (2011) 11347–11354, Elsevier.
Lo, Andrew, (2004), The Adaptive Markets Hypothesis: Market Efficiency from an
Evolutionary Perspective, MIT.
Lo, Andrew, Mackinlay, Craig, (2007), A Non-Random Walk Down Wall Street
Princeton University Press,
29
Lo, Andrew, Mamaysky, Harry and Wang, Jiang, (2000), Foundations of Technical
Analysis: computational Algorithms, Statistical Inference, and Empirical
Implementation, on The Journal of Finance, VOL LV, No 4,.
Markovitz, Harry, (1952), Portfolio Selection, on The Journal of Finance, Vol. 7, No.
1. (Mar., 1952), pp. 77-91.,
Miller, Ross. (2008), Don’t let your robots grow up to be traders: Artificial
intelligence, human intelligence, and asset-market bubbles en Journal of Economic
Behavior & Organization 68 (2008) 153–166, ELSEVIER.
Monroy, Julián, Fundamentos de Análisis Técnico Bursátil, Documento de Trabajo,
2002
Mörchen, Fabian, (2003), Time series feature extraction for data mining using DWT
and DFT, Elsevier
Mostafa, Mohamed M. (2010), Forecasting stock exchange movements using
neural networks: Empirical evidence from Kuwait, on Expert Systems with
Applications 37 (2010) 6302–6309,.
Murphy, John J. (2000), Análisis Técnico de los Mercados Financieros, New York
Institute of Finance, Ediciones Gestión 2000,.
Ng, Andrew, (2013), Machine Learning, Materiales del curso en Stanford vía
Coursera, revisado en 30/04/2013, urlhttps://www.coursera.org/#course/ml
Pardo, Robert (2008) The evaluation and optimization of Trading Strategies,
Second Edition, John Wiley & Sons.
Pissarenlo, Dimitri, (2002), Neural Networks for financial time series prediction:
Overview over recent research,
Pring, Martín, (1985), Análisis Técnico Explicado, Gesmovasa,.
30
Rospide, Jorge, (2008) Una revisión sobre Redes Neuronales Artificiales en
Finanzas, Ponencia para las XXVIII Jornadas Nacionales de Administración
Financiera organizadas por la Sociedad Argentina de Docentes en Administración
Financiera, Vaquerías, Córdoba ,Setiembre.
Santana, Juan C., (2006), Predicción de series temporales con redes neuronales:
una aplicación a la inflación colombiana, en Revista Colombiana de Estadística,.
Schneider, Johannes. (2010), Investigation of Simulated Trading — A multi agent
based trading system for optimization purposes, en Physica A 389 (2010) 2816–
2824, ELSEVIER.
Sharpe, William, (1994), The Sharpe Ratio, Reprinted from The Journal of Portfolio
Management, consultado en 30/04/2013 url
http://www.stanford.edu/~wfsharpe/art/sr/sr.htm
SHEN, Wei a, GUO, Xiaopen, WUB, Chao, WUC, Desheng, (2011), Forecasting
stock indices using radial basis function neural networks optimized by artificial fish
swarm algorithm, Knowledge-Based Systems 24 (2011) 378–385,.
The Economist, 2012, High Frecuency Trading The Fast and the Furious,
urlhttp://www.economist.com/node/21547988,
Vásquez, Gustavo, Muñoz, Jorge, 2012, Diseño y evaluación de un modelo de
pronóstico para el índice COLCAP mediante filtros DWT y Redes Neuronales., en
Memorias del II Encuentro Internacional de Investigadores en Administración,
Universidad Externado de Colombia.
Vuorenmaa, Tommi, (2012), A short introduction to automated and high-frequency
trading, VALO Research + Trading.
Wang, Jian-Zhou, Wang, Ju-Jie, Zhang, Zhe-George &Guo, Shu-Po, (2011),
Forecasting Stock Indices with Back propagation Neural Network, Journal Expert
Systems with Applications 38, Elsevier,
31
Watada, Junzo, (2006), Structural Learning of Neural Networks for Forecasting
Stock Prices, on B. Gabrys, R.J. Howlett, and L.C. Jain (Eds.): KES 2006, Part III,
LNAI 4253, pp. 972–979,.
Welles, Wilder, (1978),New Concepts in Technical Trading Systems.
Wolfinger, Mark. (2005), Create your Own Hedge Fund, Increase Profits and
Reduce Risks with ETFs and Options, John Wiley & Sons.
Yao, Jingtao, Lim, Chew, (2000), A case study on using neural networks to perform
technical forecasting of forex, On Neurocomputing 34, Elsevier.
32
6. ANEXOS
Anexo 1 Estadísticos y datos para el iColcap
Fuente: El Autor.
Anexo 2 Pronóstico, precios de cierre e indicadores para el iColcap.
Datos con Módulo Inteligente Datos Buy & Hold
E(r)= -0.16% E(r)= -0.04%
DesvStdr 0.12% DesvStdr 0.22%
Sharpe Ratio= -1.327 Sharpe Ratio= -0.184
Retorno Real -0.33% Ret Buy & Hold -5.51%
Symbol DATE CLOSE VOLUME MACD SEÑAL RSI EMA200 rna-forecast close Decision Saldo retorno
iColcap 15/04/2013 09:14 17515 10000 -6.08663555 9.24790361 41.3934426 17909.2777 17551.7988 17515 compra 10,000.00
iColcap 15/04/2013 09:16 17500 5731 -16.0360381 4.19111528 23.4726688 17905.2053 17575.405 17500 10,000.00 0.0000000%
iColcap 15/04/2013 09:22 17450 10000 -27.6370111 -2.17451 23.3226837 17900.6759 17552.1548 17450 10,000.00 0.0000000%
iColcap 15/04/2013 09:29 17480 4269 -34.0179785 -8.5432037 20.9169054 17896.49 17554.8467 17480 10,000.00 0.0000000%
iColcap 15/04/2013 09:32 17475 40000 -39.028503 -14.6402636 26.7904509 17892.2961 17570.8804 17475 10,000.00 0.0000000%
iColcap 15/04/2013 09:45 17456 50000 -44.0250279 -20.5172164 26.4397906 17887.9548 17597.3997 17456 10,000.00 0.0000000%
iColcap 15/04/2013 10:03 17441 30000 -48.6345556 -26.1406843 18.0327869 17883.5075 17651.1393 17441 10,000.00 0.0000000%
iColcap 15/04/2013 10:30 17400 155731 -54.9624243 -31.9050323 18.0821918 17878.6965 17631.0078 17400 10,000.00 0.0000000%
iColcap 15/04/2013 10:38 17410 100000 -58.4960829 -37.2232424 16.2561576 17874.0329 17613.8148 17410 10,000.00 0.0000000%
iColcap 15/04/2013 10:48 17400.5 100000 -61.3558316 -42.0497603 11.6883117 17869.3211 17643.4223 17400.5 10,000.00 0.0000000%
iColcap 15/04/2013 10:51 17400.5 30000 -62.8971637 -46.219241 10.2695764 17864.6562 17654.7312 17400.5 10,000.00 0.0000000%
iColcap 15/04/2013 10:55 17400 81000 -63.4278694 -49.6609666 12.1396055 17860.0328 17662.2463 17400 10,000.00 0.0000000%
iColcap 15/04/2013 10:56 17391 10000 -63.8387884 -52.496531 12.6582278 17855.3658 17635.2748 17391 10,000.00 0.0000000%
iColcap 15/04/2013 11:13 17380 60000 -64.3107188 -54.8593685 12.6984127 17850.6358 17608.8787 17380 10,000.00 0.0000000%
iColcap 15/04/2013 11:22 17396 20000 -62.6712259 -56.42174 12.9032258 17846.112 17628.1524 17396 10,000.00 0.0000000%
iColcap 15/04/2013 11:31 17395 100000 -60.7522929 -57.2878506 24.2424242 17841.6233 17642.1387 17395 10,000.00 0.0000000%
iColcap 15/04/2013 12:07 17370 155000 -60.5508236 -57.9404452 25.8064516 17836.9306 17659.1873 17370 10,000.00 0.0000000%
iColcap 15/04/2013 12:11 17380 50000 -58.9052186 -58.1333999 29.1666667 17832.384 17673.5888 17380 10,000.00 0.0000000%
iColcap 15/04/2013 14:02 17341.5 30000 -60.0158675 -58.5098934 20.9302326 17827.4996 17672.4464 17341.5 10,000.00 0.0000000%
iColcap 15/04/2013 14:40 17300.5 10000 -63.4727478 -59.5024643 17.5182482 17822.2558 17669.6178 17300.5 10,000.00 0.0000000%
iColcap 16/04/2013 12:32 17095 10000 -81.850956 -63.9721626 15.8241758 17815.0194 17666.1799 17095 10,000.00 0.0000000%
iColcap 16/04/2013 12:33 17095 2500 -95.3170626 -70.2411426 8.61244019 17807.8551 17705.4583 17095 10,000.00 0.0000000%
iColcap 16/04/2013 13:30 17095 9946 -104.781197 -77.1491534 9.54907162 17800.762 17673.1964 17095 10,000.00 0.0000000%
iColcap 17/04/2013 14:55 17060 1738 -113.794052 -84.4781331 7.08446866 17793.3912 17653.0425 17060 10,000.00 0.0000000%
iColcap 18/04/2013 09:26 17020 20000 -122.74949 -92.1324045 6.62420382 17785.6958 17672.6757 17020 10,000.00 0.0000000%
iColcap 18/04/2013 10:10 17050 20000 -125.973842 -98.9006921 6.01156069 17778.3754 17654.0793 17050 10,000.00 0.0000000%
iColcap 18/04/2013 10:11 17060 792 -126.266724 -104.373898 12.1212121 17771.2274 17660.4132 17060 10,000.00 0.0000000%
iColcap 18/04/2013 10:45 17060 5571 -125.057253 -108.510569 14.2548596 17764.1505 17659.0083 17060 10,000.00 0.0000000%
iColcap 18/04/2013 11:11 17065 1708 -122.285647 -111.265585 14.6017699 17757.1938 17646.3827 17065 10,000.00 0.0000000%
iColcap 18/04/2013 11:19 17083 50000 -117.284695 -112.469407 12.4716553 17750.4854 17575.9412 17083 10,000.00 0.0000000%
iColcap 18/04/2013 11:54 17077 50000 -112.508625 -112.477251 15.9388646 17743.7841 17603.2808 17077 10,000.00 0.0000000%
iColcap 18/04/2013 11:56 17077 50000 -107.48454 -111.478708 16.6287016 17737.1494 17621.1086 17077 10,000.00 0.0000000%
iColcap 18/04/2013 13:37 17065 3460 -103.280661 -109.839099 14.6853147 17730.4613 17551.6933 17065 10,000.00 0.0000000%
iColcap 19/04/2013 10:02 17100 1704 -96.0180136 -107.074882 15.6521739 17724.1881 17535.8819 17100 10,000.00 0.0000000%
iColcap 19/04/2013 10:35 17150 15000 -85.2450787 -102.708921 24.7162673 17718.4748 17531.06 17150 10,000.00 0.0000000%
iColcap 19/04/2013 11:06 17170 8296 -74.2378496 -97.014707 61.4107884 17713.0173 17488.0076 17170 10,000.00 0.0000000%
iColcap 19/04/2013 11:07 17170 26309 -64.7679367 -90.5653529 64.3678161 17707.6142 17449.3634 17170 10,000.00 0.0000000%
iColcap 22/04/2013 09:50 17192 100000 -54.8554074 -83.4233638 64.3678161 17702.4837 17402.9113 17192 10,000.00 0.0000000%
iColcap 22/04/2013 10:19 17237 100000 -42.8743044 -75.3135519 76.6129032 17697.852 17394.3508 17237 10,000.00 0.0000000%
iColcap 22/04/2013 11:41 17206 3247 -35.4717386 -67.3451893 92.8853755 17692.9579 17412.5707 17206 10,000.00 0.0000000%
iColcap 22/04/2013 11:45 17225 90000 -27.7521018 -59.4265718 80.7086614 17688.3016 17428.2985 17225 10,000.00 0.0000000%
iColcap 22/04/2013 11:56 17233 100000 -20.7495134 -51.6911601 81.3688213 17683.7713 17434.6855 17233 10,000.00 0.0000000%
iColcap 22/04/2013 12:09 17240 100000 -14.4682887 -44.2465858 81.9188192 17679.3556 17361.99 17240 10,000.00 0.0000000%
iColcap 22/04/2013 12:13 17250 6000 -8.58449968 -37.1141686 82.0512821 17675.0834 17380.4494 17250 10,000.00 0.0000000%
iColcap 22/04/2013 12:18 17250 4000 -3.87686441 -30.4667078 81.509434 17670.8538 17400.1934 17250 10,000.00 0.0000000%
iColcap 22/04/2013 12:21 17262 95000 0.81289957 -24.2107863 83.3976834 17666.7856 17414.7227 17262 10,000.00 0.0000000%
iColcap 22/04/2013 12:32 17276 50000 5.59476138 -18.2496768 84.1328413 17662.8971 17379.2828 17276 10,000.00 0.0000000%
iColcap 22/04/2013 14:03 17230 10000 5.60796068 -13.4781493 88.6446886 17658.5897 17341.5827 17230 10,000.00 0.0000000%
iColcap 22/04/2013 14:07 17230 5000 5.55439362 -9.67164069 72.8873239 17654.3251 17308.3508 17230 10,000.00 0.0000000%
iColcap 23/04/2013 11:15 17250 10000 7.0445688 -6.32839879 67.0940171 17650.302 17319.1305 17250 10,000.00 0.0000000%
iColcap 23/04/2013 11:28 17265 100000 9.32838617 -3.1970418 67.0940171 17646.4682 17157.6164 17265 Venta 9,975.00 -0.2500040%
iColcap 23/04/2013 11:29 17262 100000 10.7720791 -0.40321761 69.0763052 17642.6426 17085.5832 17262 9,975.00 0.0000000%
iColcap 23/04/2013 11:55 17245 30000 10.4242935 1.76228461 65.2173913 17638.686 17083.2253 17245 9,975.00 0.0000000%
iColcap 23/04/2013 12:09 17231 30000 8.91620743 3.19306918 51.980198 17634.6294 17056.1107 17231 9,975.00 0.0000000%
iColcap 23/04/2013 13:33 17231 6000 7.6330493 4.0810652 56.7567568 17630.6132 17038.2667 17231 9,975.00 0.0000000%
iColcap 24/04/2013 09:27 17250 50000 8.05640918 4.876134 51.8072289 17626.826 17044.4639 17250 9,975.00 0.0000000%
iColcap 24/04/2013 09:44 17268.5 20000 9.77207393 5.85532198 54.8022599 17623.2605 17059.1611 17268.5 9,975.00 0.0000000%
iColcap 24/04/2013 09:58 17259 30000 10.2470583 6.73366925 57.5596817 17619.6361 17057.9142 17259 9,975.00 0.0000000%
iColcap 24/04/2013 10:39 17280 1200 12.1776351 7.82246242 52.393617 17616.2566 17077.3957 17280 9,975.00 0.0000000%
iColcap 24/04/2013 11:15 17241 30000 10.4403077 8.34603149 57.1770335 17612.5227 17070.3681 17241 9,975.00 0.0000000%
iColcap 24/04/2013 11:45 17220 30000 7.28496226 8.13381764 45.5508475 17608.617 17092.3843 17220 9,975.00 0.0000000%
iColcap 24/04/2013 12:13 17215 4448 4.33094558 7.37324323 38.4773663 17604.7004 17057.2552 17215 9,975.00 0.0000000%
iColcap 24/04/2013 13:24 17215 20000 1.96718954 6.29203249 46.2871287 17600.8228 17074.8126 17215 9,975.00 0.0000000%
iColcap 25/04/2013 11:45 17200 17289 -1.10375538 4.81287492 46.2871287 17596.8345 17102.9574 17200 9,975.00 0.0000000%
iColcap 25/04/2013 11:53 17200 1156 -3.49718795 3.15086234 37.3096447 17592.8859 17142.8768 17200 9,975.00 0.0000000%
iColcap 25/04/2013 11:59 17190 50000 -6.13025122 1.29463963 32.1428571 17588.8771 17167.2984 17190 9,975.00 0.0000000%
iColcap 26/04/2013 09:35 17226 150000 -5.25153724 -0.01459574 30.952381 17585.2664 17192.375 17226 9,975.00 0.0000000%
iColcap 26/04/2013 10:04 17223 50000 -4.74255577 -0.96018775 45.4326923 17581.6617 17202.8198 17223 9,975.00 0.0000000%
iColcap 26/04/2013 10:16 17215 20000 -4.92791154 -1.75373251 47.9695431 17578.0134 17207.1166 17215 9,975.00 0.0000000%
iColcap 26/04/2013 11:17 17213 50000 -5.17651892 -2.43828979 46.097561 17574.3814 17204.4314 17213 9,975.00 0.0000000%
iColcap 26/04/2013 11:20 17190 10000 -7.14706295 -3.38004442 40.1595745 17570.5567 17230.7917 17190 compra 9,975.00 0.0000000%
iColcap 26/04/2013 11:57 17200 50000 -7.81176766 -4.26638907 29.6103896 17566.8696 17227.2036 17200 9,975.00 0.0000000%
iColcap 29/04/2013 13:13 17010 1380 -23.4002199 -8.09315523 34.7150259 17561.3286 17262.8763 17010 9,975.00 0.0000000%
iColcap 30/04/2013 09:07 17100 2139 -28.1672383 -12.1079719 12.7071823 17556.7382 17259.1826 17100 9,975.00 0.0000000%
iColcap 30/04/2013 09:30 17056 100000 -35.0910592 -16.7045893 32.9297821 17551.7558 17259.5019 17056 9,975.00 0.0000000%
iColcap 30/04/2013 09:45 17059 100000 -39.8764908 -21.3389696 31.1926606 17546.8527 17259.5593 17059 9,975.00 0.0000000%
iColcap 30/04/2013 10:14 17050 27000 -43.8892764 -25.849031 32.0276498 17541.9089 17240.3914 17050 9,975.00 0.0000000%
iColcap 30/04/2013 10:15 17050 861 -46.533034 -29.9858316 31.3769752 17537.0143 17215.5064 17050 9,975.00 0.0000000%
iColcap 30/04/2013 10:38 17030 4000 -49.6695047 -33.9225662 32.4766355 17531.9694 17211.211 17030 9,975.00 0.0000000%
iColcap 30/04/2013 11:24 17030 2000 -51.5608193 -37.4502168 31.0267857 17526.9747 17247.0453 17030 9,975.00 0.0000000%
iColcap 30/04/2013 12:14 17005 30000 -54.4493328 -40.85004 31.7351598 17521.7809 17264.0711 17005 9,975.00 0.0000000%
iColcap 02/05/2013 10:05 17010 40000 -55.6930475 -43.8186415 24.1217799 17516.6885 17229.1313 17010 9,975.00 0.0000000%
iColcap 02/05/2013 12:16 17032 200000 -54.2778035 -45.9104739 25.1748252 17511.8658 17156.005 17032 9,975.00 0.0000000%
iColcap 02/05/2013 12:19 17041 100000 -51.832495 -47.0948781 29.3453725 17507.1805 17187.1297 17041 9,975.00 0.0000000%
iColcap 02/05/2013 14:46 17040 2950 -49.4057433 -47.5570512 30.8888889 17502.532 17218.1724 17040 9,975.00 0.0000000%
iColcap 03/05/2013 09:13 17100 2050 -42.1550889 -46.4766587 32.4766355 17498.5267 17268.9182 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:16 17100 2500 -35.993977 -44.3801224 39.539749 17494.5612 17263.6472 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:19 17100 9789 -30.7567072 -41.6554393 65.625 17490.6353 17295.5692 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:28 17100 4584 -26.3029293 -38.5849373 50 17486.7483 17235.5683 17100 9,975.00 0.0000000%
iColcap 03/05/2013 10:02 17170 1447 -16.9297081 -34.2538915 64.2857143 17483.5966 17194.2385 17170 9,975.00 0.0000000%
iColcap 03/05/2013 10:04 17150 1613 -10.9885268 -29.6008186 75.1131222 17480.2772 17212.0709 17150 9,975.00 0.0000000%
iColcap 03/05/2013 10:05 17135 2500 -7.40511092 -25.161677 71.5517241 17476.8416 17180.5854 17135 9,975.00 0.0000000%
iColcap 03/05/2013 10:36 17121 25150 -5.63001174 -21.255344 67.2064777 17473.3009 17145.8753 17121 9,975.00 0.0000000%
iColcap 03/05/2013 11:39 17100 3732 -5.85031851 -18.1743389 68.879668 17469.5865 17155.2983 17100 9,975.00 0.0000000%
iColcap 03/05/2013 11:44 17115 868 -4.75967204 -15.4914055 63.3587786 17466.0583 17148.6418 17115 9,975.00 0.0000000%
iColcap 03/05/2013 11:46 17114.5 6000 -3.89082171 -13.1712887 71.8253968 17462.5602 17205.6909 17114.5 9,975.00 0.0000000%
iColcap 03/05/2013 11:48 17096 100000 -4.64154214 -11.4653394 71.1111111 17458.9128 17138.0833 17096 9,975.00 0.0000000%
iColcap 03/05/2013 12:10 17114 810 -3.74092091 -9.92045572 63.1147541 17455.4808 17118.8302 17114 9,975.00 0.0000000%
iColcap 03/05/2013 12:25 17114 1410 -2.99267442 -8.53489946 64.4268775 17452.083 17102.8132 17114 Venta 9,967.40 -0.0761945%
iColcap 03/05/2013 14:03 17100 1156 -3.48914597 -7.52574876 64.6825397 17448.5797 17051.5989 17100 9,967.40 0.0000000%
iColcap 03/05/2013 14:59 17045 2930 -8.22582145 -7.6657633 50 17444.564 17112.3474 17045 compra 9,967.40 0.0000000%
iColcap 06/05/2013 10:03 17000 1070 -15.432894 -9.21918945 39.4636015 17440.1405 17243.5299 17000 9,967.40 0.0000000%
iColcap 06/05/2013 10:10 16990 30000 -21.7013082 -11.7156132 33.6601307 17435.6615 17237.7145 16990 9,967.40 0.0000000%
iColcap 06/05/2013 10:23 16910 8300 -32.746917 -15.9218739 32.5949367 17430.431 17239.1119 16910 9,967.40 0.0000000%
iColcap 07/05/2013 09:19 17015 200000 -32.6516313 -19.2678254 10.1226994 17426.2974 17208.4616 17015 9,967.40 0.0000000%
iColcap 07/05/2013 09:37 17014 100000 -32.284651 -21.8711905 33.5766423 17422.1949 17174.6912 17014 9,967.40 0.0000000%
iColcap 07/05/2013 09:44 17017 100000 -31.3898984 -23.7749321 34.7607053 17418.1631 17184.4407 17017 9,967.40 0.0000000%
iColcap 07/05/2013 09:57 17005 50000 -31.2884266 -25.277631 36.5284974 17414.052 17172.0092 17005 9,967.40 0.0000000%
iColcap 07/05/2013 10:19 16997 100000 -31.4905394 -26.5202127 37.4005305 17409.9023 17176.6771 16997 9,967.40 0.0000000%
iColcap 07/05/2013 10:30 17001 50000 -30.970935 -27.4103571 34.0540541 17405.8336 17101.1804 17001 9,967.40 0.0000000%
iColcap 07/05/2013 11:19 16995 50000 -30.6895248 -28.0661907 34.8058902 17401.7457 17073.4837 16995 9,967.40 0.0000000%
iColcap 07/05/2013 11:42 16978 50000 -31.475434 -28.7480393 36.0110803 17397.5293 17069.1898 16978 9,967.40 0.0000000%
iColcap 08/05/2013 09:54 16960 50000 -33.1683778 -29.632107 31.1111111 17393.1758 17051.3975 16960 9,967.40 0.0000000%
iColcap 08/05/2013 11:01 16940 2500 -35.7122127 -30.8481282 29.6296296 17388.6666 17085.3869 16940 9,967.40 0.0000000%
iColcap 08/05/2013 11:27 16930 50000 -38.0959897 -32.2977005 29.1666667 17384.1027 17061.5882 16930 9,967.40 0.0000000%
iColcap 08/05/2013 11:35 16920 20000 -40.3271997 -33.9036003 33.0383481 17379.4848 17030.3168 16920 9,967.40 0.0000000%
iColcap 08/05/2013 11:36 16910 7500 -42.4134503 -35.6055703 36.8421053 17374.8133 17015.731 16910 9,967.40 0.0000000%
iColcap 08/05/2013 11:43 16917 150000 -43.0062285 -37.0857019 36.8421053 17370.2579 17014.1758 16917 9,967.40 0.0000000%
iColcap 08/05/2013 12:59 16895 30000 -44.735542 -38.61567 51.5151515 17365.529 17012.777 16895 9,967.40 0.0000000%
iColcap 08/05/2013 13:57 16840 30000 -49.968075 -40.886151 9.45945946 17360.2999 17015.1773 16840 9,967.40 0.0000000%
iColcap 08/05/2013 14:20 16796 65000 -57.0081726 -44.1105553 6.93069307 17354.6849 17033.0926 16796 9,967.40 0.0000000%
iColcap 09/05/2013 09:35 16831 100000 -59.08223 -47.1048902 4.52674897 17349.4741 17051.162 16831 9,967.40 0.0000000%
iColcap 09/05/2013 09:37 16836 100000 -59.6350416 -49.6109205 17.2932331 17344.365 17084.2806 16836 9,967.40 0.0000000%
iColcap 09/05/2013 09:45 16848 100000 -58.4312895 -51.3749943 19.391635 17339.426 17097.7566 16848 9,967.40 0.0000000%
iColcap 09/05/2013 09:49 16843 200000 -57.2211557 -52.5442266 21.7712177 17334.4864 17107.0414 16843 9,967.40 0.0000000%
iColcap 09/05/2013 09:51 16854 100000 -54.7434593 -52.9840731 21.8518519 17329.7055 17135.2036 16854 9,967.40 0.0000000%
iColcap 09/05/2013 09:53 16847 50000 -52.7367917 -52.9346168 26.5151515 17324.9024 17164.979 16847 9,967.40 0.0000000%
iColcap 09/05/2013 09:58 16831 60000 -51.8399804 -52.7156895 27.6679842 17319.988 17121.04 16831 9,967.40 0.0000000%
iColcap 09/05/2013 10:11 16830 8809 -50.6263535 -52.2978223 28.1124498 17315.1125 17143.8619 16830 9,967.40 0.0000000%
iColcap 09/05/2013 10:37 16840 2000 -48.3008469 -51.4984273 29.1666667 17310.385 17111.8352 16840 9,967.40 0.0000000%
iColcap 09/05/2013 11:25 16830 8769 -46.7261527 -50.5439723 33.3333333 17305.605 17118.6197 16830 9,967.40 0.0000000%
iColcap 09/05/2013 12:27 16830 10350 -44.9599261 -49.4271631 33.3333333 17300.8727 17106.5847 16830 9,967.40 0.0000000%
iColcap 09/05/2013 14:02 16800 50000 -45.4569288 -48.6331162 31.3304721 17295.8888 17115.7478 16800 9,967.40 0.0000000%
iColcap 09/05/2013 14:40 16780 16708 -46.9237324 -48.2912395 30.2904564 17290.7556 17126.7136 16780 9,967.40 0.0000000%
iColcap 09/05/2013 14:41 16780 3292 -47.5381941 -48.1406304 35.4368932 17285.6735 17115.2424 16780 9,967.40 0.0000000%
iColcap 10/05/2013 09:38 16607 200000 -61.278434 -50.7681911 45.0617284 17278.9205 17073.6533 16607 9,967.40 0.0000000%
iColcap 10/05/2013 10:12 16620 100000 -70.3082124 -54.6761954 12.6666667 17272.3641 17054.8395 16620 9,967.40 0.0000000%
iColcap 10/05/2013 10:55 16610 60000 -77.3793127 -59.2168188 14.9350649 17265.7734 17036.1188 16610 9,967.40 0.0000000%
iColcap 10/05/2013 11:41 16570 50000 -85.2284162 -64.4191383 11.1111111 17258.8503 17001.9026 16570 9,967.40 0.0000000%
iColcap 10/05/2013 12:17 16551 149660 -91.9224043 -69.9197915 9.97067449 17251.807 17011.1999 16551 9,967.40 0.0000000%
iColcap 10/05/2013 12:20 16551 100000 -96.119433 -75.1597198 6.59025788 17244.8338 17011.0551 16551 9,967.40 0.0000000%
iColcap 10/05/2013 12:23 16550 22000 -98.3920974 -79.8061953 6.7251462 17237.92 16993.4756 16550 9,967.40 0.0000000%
iColcap 10/05/2013 12:45 16550 883 -99.0513974 -83.6552357 7.03363914 17231.075 17005.5985 16550 9,967.40 0.0000000%
33
Datos: Bloomberg © y metaquotes ©, Fuente: Los Autores.
Symbol DATE CLOSE VOLUME MACD SEÑAL RSI EMA200 rna-forecast close Decision Saldo retorno
iColcap 15/04/2013 09:14 17515 10000 -6.08663555 9.24790361 41.3934426 17909.2777 17551.7988 17515 compra 10,000.00
iColcap 15/04/2013 09:16 17500 5731 -16.0360381 4.19111528 23.4726688 17905.2053 17575.405 17500 10,000.00 0.0000000%
iColcap 15/04/2013 09:22 17450 10000 -27.6370111 -2.17451 23.3226837 17900.6759 17552.1548 17450 10,000.00 0.0000000%
iColcap 15/04/2013 09:29 17480 4269 -34.0179785 -8.5432037 20.9169054 17896.49 17554.8467 17480 10,000.00 0.0000000%
iColcap 15/04/2013 09:32 17475 40000 -39.028503 -14.6402636 26.7904509 17892.2961 17570.8804 17475 10,000.00 0.0000000%
iColcap 15/04/2013 09:45 17456 50000 -44.0250279 -20.5172164 26.4397906 17887.9548 17597.3997 17456 10,000.00 0.0000000%
iColcap 15/04/2013 10:03 17441 30000 -48.6345556 -26.1406843 18.0327869 17883.5075 17651.1393 17441 10,000.00 0.0000000%
iColcap 15/04/2013 10:30 17400 155731 -54.9624243 -31.9050323 18.0821918 17878.6965 17631.0078 17400 10,000.00 0.0000000%
iColcap 15/04/2013 10:38 17410 100000 -58.4960829 -37.2232424 16.2561576 17874.0329 17613.8148 17410 10,000.00 0.0000000%
iColcap 15/04/2013 10:48 17400.5 100000 -61.3558316 -42.0497603 11.6883117 17869.3211 17643.4223 17400.5 10,000.00 0.0000000%
iColcap 15/04/2013 10:51 17400.5 30000 -62.8971637 -46.219241 10.2695764 17864.6562 17654.7312 17400.5 10,000.00 0.0000000%
iColcap 15/04/2013 10:55 17400 81000 -63.4278694 -49.6609666 12.1396055 17860.0328 17662.2463 17400 10,000.00 0.0000000%
iColcap 15/04/2013 10:56 17391 10000 -63.8387884 -52.496531 12.6582278 17855.3658 17635.2748 17391 10,000.00 0.0000000%
iColcap 15/04/2013 11:13 17380 60000 -64.3107188 -54.8593685 12.6984127 17850.6358 17608.8787 17380 10,000.00 0.0000000%
iColcap 15/04/2013 11:22 17396 20000 -62.6712259 -56.42174 12.9032258 17846.112 17628.1524 17396 10,000.00 0.0000000%
iColcap 15/04/2013 11:31 17395 100000 -60.7522929 -57.2878506 24.2424242 17841.6233 17642.1387 17395 10,000.00 0.0000000%
iColcap 15/04/2013 12:07 17370 155000 -60.5508236 -57.9404452 25.8064516 17836.9306 17659.1873 17370 10,000.00 0.0000000%
iColcap 15/04/2013 12:11 17380 50000 -58.9052186 -58.1333999 29.1666667 17832.384 17673.5888 17380 10,000.00 0.0000000%
iColcap 15/04/2013 14:02 17341.5 30000 -60.0158675 -58.5098934 20.9302326 17827.4996 17672.4464 17341.5 10,000.00 0.0000000%
iColcap 15/04/2013 14:40 17300.5 10000 -63.4727478 -59.5024643 17.5182482 17822.2558 17669.6178 17300.5 10,000.00 0.0000000%
iColcap 16/04/2013 12:32 17095 10000 -81.850956 -63.9721626 15.8241758 17815.0194 17666.1799 17095 10,000.00 0.0000000%
iColcap 16/04/2013 12:33 17095 2500 -95.3170626 -70.2411426 8.61244019 17807.8551 17705.4583 17095 10,000.00 0.0000000%
iColcap 16/04/2013 13:30 17095 9946 -104.781197 -77.1491534 9.54907162 17800.762 17673.1964 17095 10,000.00 0.0000000%
iColcap 17/04/2013 14:55 17060 1738 -113.794052 -84.4781331 7.08446866 17793.3912 17653.0425 17060 10,000.00 0.0000000%
iColcap 18/04/2013 09:26 17020 20000 -122.74949 -92.1324045 6.62420382 17785.6958 17672.6757 17020 10,000.00 0.0000000%
iColcap 18/04/2013 10:10 17050 20000 -125.973842 -98.9006921 6.01156069 17778.3754 17654.0793 17050 10,000.00 0.0000000%
iColcap 18/04/2013 10:11 17060 792 -126.266724 -104.373898 12.1212121 17771.2274 17660.4132 17060 10,000.00 0.0000000%
iColcap 18/04/2013 10:45 17060 5571 -125.057253 -108.510569 14.2548596 17764.1505 17659.0083 17060 10,000.00 0.0000000%
iColcap 18/04/2013 11:11 17065 1708 -122.285647 -111.265585 14.6017699 17757.1938 17646.3827 17065 10,000.00 0.0000000%
iColcap 18/04/2013 11:19 17083 50000 -117.284695 -112.469407 12.4716553 17750.4854 17575.9412 17083 10,000.00 0.0000000%
iColcap 18/04/2013 11:54 17077 50000 -112.508625 -112.477251 15.9388646 17743.7841 17603.2808 17077 10,000.00 0.0000000%
iColcap 18/04/2013 11:56 17077 50000 -107.48454 -111.478708 16.6287016 17737.1494 17621.1086 17077 10,000.00 0.0000000%
iColcap 18/04/2013 13:37 17065 3460 -103.280661 -109.839099 14.6853147 17730.4613 17551.6933 17065 10,000.00 0.0000000%
iColcap 19/04/2013 10:02 17100 1704 -96.0180136 -107.074882 15.6521739 17724.1881 17535.8819 17100 10,000.00 0.0000000%
iColcap 19/04/2013 10:35 17150 15000 -85.2450787 -102.708921 24.7162673 17718.4748 17531.06 17150 10,000.00 0.0000000%
iColcap 19/04/2013 11:06 17170 8296 -74.2378496 -97.014707 61.4107884 17713.0173 17488.0076 17170 10,000.00 0.0000000%
iColcap 19/04/2013 11:07 17170 26309 -64.7679367 -90.5653529 64.3678161 17707.6142 17449.3634 17170 10,000.00 0.0000000%
iColcap 22/04/2013 09:50 17192 100000 -54.8554074 -83.4233638 64.3678161 17702.4837 17402.9113 17192 10,000.00 0.0000000%
iColcap 22/04/2013 10:19 17237 100000 -42.8743044 -75.3135519 76.6129032 17697.852 17394.3508 17237 10,000.00 0.0000000%
iColcap 22/04/2013 11:41 17206 3247 -35.4717386 -67.3451893 92.8853755 17692.9579 17412.5707 17206 10,000.00 0.0000000%
iColcap 22/04/2013 11:45 17225 90000 -27.7521018 -59.4265718 80.7086614 17688.3016 17428.2985 17225 10,000.00 0.0000000%
iColcap 22/04/2013 11:56 17233 100000 -20.7495134 -51.6911601 81.3688213 17683.7713 17434.6855 17233 10,000.00 0.0000000%
iColcap 22/04/2013 12:09 17240 100000 -14.4682887 -44.2465858 81.9188192 17679.3556 17361.99 17240 10,000.00 0.0000000%
iColcap 22/04/2013 12:13 17250 6000 -8.58449968 -37.1141686 82.0512821 17675.0834 17380.4494 17250 10,000.00 0.0000000%
iColcap 22/04/2013 12:18 17250 4000 -3.87686441 -30.4667078 81.509434 17670.8538 17400.1934 17250 10,000.00 0.0000000%
iColcap 22/04/2013 12:21 17262 95000 0.81289957 -24.2107863 83.3976834 17666.7856 17414.7227 17262 10,000.00 0.0000000%
iColcap 22/04/2013 12:32 17276 50000 5.59476138 -18.2496768 84.1328413 17662.8971 17379.2828 17276 10,000.00 0.0000000%
iColcap 22/04/2013 14:03 17230 10000 5.60796068 -13.4781493 88.6446886 17658.5897 17341.5827 17230 10,000.00 0.0000000%
iColcap 22/04/2013 14:07 17230 5000 5.55439362 -9.67164069 72.8873239 17654.3251 17308.3508 17230 10,000.00 0.0000000%
iColcap 23/04/2013 11:15 17250 10000 7.0445688 -6.32839879 67.0940171 17650.302 17319.1305 17250 10,000.00 0.0000000%
iColcap 23/04/2013 11:28 17265 100000 9.32838617 -3.1970418 67.0940171 17646.4682 17157.6164 17265 Venta 9,975.00 -0.2500040%
iColcap 23/04/2013 11:29 17262 100000 10.7720791 -0.40321761 69.0763052 17642.6426 17085.5832 17262 9,975.00 0.0000000%
iColcap 23/04/2013 11:55 17245 30000 10.4242935 1.76228461 65.2173913 17638.686 17083.2253 17245 9,975.00 0.0000000%
iColcap 23/04/2013 12:09 17231 30000 8.91620743 3.19306918 51.980198 17634.6294 17056.1107 17231 9,975.00 0.0000000%
iColcap 23/04/2013 13:33 17231 6000 7.6330493 4.0810652 56.7567568 17630.6132 17038.2667 17231 9,975.00 0.0000000%
iColcap 24/04/2013 09:27 17250 50000 8.05640918 4.876134 51.8072289 17626.826 17044.4639 17250 9,975.00 0.0000000%
iColcap 24/04/2013 09:44 17268.5 20000 9.77207393 5.85532198 54.8022599 17623.2605 17059.1611 17268.5 9,975.00 0.0000000%
iColcap 24/04/2013 09:58 17259 30000 10.2470583 6.73366925 57.5596817 17619.6361 17057.9142 17259 9,975.00 0.0000000%
iColcap 24/04/2013 10:39 17280 1200 12.1776351 7.82246242 52.393617 17616.2566 17077.3957 17280 9,975.00 0.0000000%
iColcap 24/04/2013 11:15 17241 30000 10.4403077 8.34603149 57.1770335 17612.5227 17070.3681 17241 9,975.00 0.0000000%
iColcap 24/04/2013 11:45 17220 30000 7.28496226 8.13381764 45.5508475 17608.617 17092.3843 17220 9,975.00 0.0000000%
iColcap 24/04/2013 12:13 17215 4448 4.33094558 7.37324323 38.4773663 17604.7004 17057.2552 17215 9,975.00 0.0000000%
iColcap 24/04/2013 13:24 17215 20000 1.96718954 6.29203249 46.2871287 17600.8228 17074.8126 17215 9,975.00 0.0000000%
iColcap 25/04/2013 11:45 17200 17289 -1.10375538 4.81287492 46.2871287 17596.8345 17102.9574 17200 9,975.00 0.0000000%
iColcap 25/04/2013 11:53 17200 1156 -3.49718795 3.15086234 37.3096447 17592.8859 17142.8768 17200 9,975.00 0.0000000%
iColcap 25/04/2013 11:59 17190 50000 -6.13025122 1.29463963 32.1428571 17588.8771 17167.2984 17190 9,975.00 0.0000000%
iColcap 26/04/2013 09:35 17226 150000 -5.25153724 -0.01459574 30.952381 17585.2664 17192.375 17226 9,975.00 0.0000000%
iColcap 26/04/2013 10:04 17223 50000 -4.74255577 -0.96018775 45.4326923 17581.6617 17202.8198 17223 9,975.00 0.0000000%
iColcap 26/04/2013 10:16 17215 20000 -4.92791154 -1.75373251 47.9695431 17578.0134 17207.1166 17215 9,975.00 0.0000000%
iColcap 26/04/2013 11:17 17213 50000 -5.17651892 -2.43828979 46.097561 17574.3814 17204.4314 17213 9,975.00 0.0000000%
iColcap 26/04/2013 11:20 17190 10000 -7.14706295 -3.38004442 40.1595745 17570.5567 17230.7917 17190 compra 9,975.00 0.0000000%
iColcap 26/04/2013 11:57 17200 50000 -7.81176766 -4.26638907 29.6103896 17566.8696 17227.2036 17200 9,975.00 0.0000000%
iColcap 29/04/2013 13:13 17010 1380 -23.4002199 -8.09315523 34.7150259 17561.3286 17262.8763 17010 9,975.00 0.0000000%
iColcap 30/04/2013 09:07 17100 2139 -28.1672383 -12.1079719 12.7071823 17556.7382 17259.1826 17100 9,975.00 0.0000000%
iColcap 30/04/2013 09:30 17056 100000 -35.0910592 -16.7045893 32.9297821 17551.7558 17259.5019 17056 9,975.00 0.0000000%
iColcap 30/04/2013 09:45 17059 100000 -39.8764908 -21.3389696 31.1926606 17546.8527 17259.5593 17059 9,975.00 0.0000000%
iColcap 30/04/2013 10:14 17050 27000 -43.8892764 -25.849031 32.0276498 17541.9089 17240.3914 17050 9,975.00 0.0000000%
iColcap 30/04/2013 10:15 17050 861 -46.533034 -29.9858316 31.3769752 17537.0143 17215.5064 17050 9,975.00 0.0000000%
iColcap 30/04/2013 10:38 17030 4000 -49.6695047 -33.9225662 32.4766355 17531.9694 17211.211 17030 9,975.00 0.0000000%
iColcap 30/04/2013 11:24 17030 2000 -51.5608193 -37.4502168 31.0267857 17526.9747 17247.0453 17030 9,975.00 0.0000000%
iColcap 30/04/2013 12:14 17005 30000 -54.4493328 -40.85004 31.7351598 17521.7809 17264.0711 17005 9,975.00 0.0000000%
iColcap 02/05/2013 10:05 17010 40000 -55.6930475 -43.8186415 24.1217799 17516.6885 17229.1313 17010 9,975.00 0.0000000%
iColcap 02/05/2013 12:16 17032 200000 -54.2778035 -45.9104739 25.1748252 17511.8658 17156.005 17032 9,975.00 0.0000000%
iColcap 02/05/2013 12:19 17041 100000 -51.832495 -47.0948781 29.3453725 17507.1805 17187.1297 17041 9,975.00 0.0000000%
iColcap 02/05/2013 14:46 17040 2950 -49.4057433 -47.5570512 30.8888889 17502.532 17218.1724 17040 9,975.00 0.0000000%
iColcap 03/05/2013 09:13 17100 2050 -42.1550889 -46.4766587 32.4766355 17498.5267 17268.9182 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:16 17100 2500 -35.993977 -44.3801224 39.539749 17494.5612 17263.6472 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:19 17100 9789 -30.7567072 -41.6554393 65.625 17490.6353 17295.5692 17100 9,975.00 0.0000000%
iColcap 03/05/2013 09:28 17100 4584 -26.3029293 -38.5849373 50 17486.7483 17235.5683 17100 9,975.00 0.0000000%
iColcap 03/05/2013 10:02 17170 1447 -16.9297081 -34.2538915 64.2857143 17483.5966 17194.2385 17170 9,975.00 0.0000000%
iColcap 03/05/2013 10:04 17150 1613 -10.9885268 -29.6008186 75.1131222 17480.2772 17212.0709 17150 9,975.00 0.0000000%
iColcap 03/05/2013 10:05 17135 2500 -7.40511092 -25.161677 71.5517241 17476.8416 17180.5854 17135 9,975.00 0.0000000%
iColcap 03/05/2013 10:36 17121 25150 -5.63001174 -21.255344 67.2064777 17473.3009 17145.8753 17121 9,975.00 0.0000000%
iColcap 03/05/2013 11:39 17100 3732 -5.85031851 -18.1743389 68.879668 17469.5865 17155.2983 17100 9,975.00 0.0000000%
iColcap 03/05/2013 11:44 17115 868 -4.75967204 -15.4914055 63.3587786 17466.0583 17148.6418 17115 9,975.00 0.0000000%
iColcap 03/05/2013 11:46 17114.5 6000 -3.89082171 -13.1712887 71.8253968 17462.5602 17205.6909 17114.5 9,975.00 0.0000000%
iColcap 03/05/2013 11:48 17096 100000 -4.64154214 -11.4653394 71.1111111 17458.9128 17138.0833 17096 9,975.00 0.0000000%
iColcap 03/05/2013 12:10 17114 810 -3.74092091 -9.92045572 63.1147541 17455.4808 17118.8302 17114 9,975.00 0.0000000%
iColcap 03/05/2013 12:25 17114 1410 -2.99267442 -8.53489946 64.4268775 17452.083 17102.8132 17114 Venta 9,967.40 -0.0761945%
iColcap 03/05/2013 14:03 17100 1156 -3.48914597 -7.52574876 64.6825397 17448.5797 17051.5989 17100 9,967.40 0.0000000%
iColcap 03/05/2013 14:59 17045 2930 -8.22582145 -7.6657633 50 17444.564 17112.3474 17045 compra 9,967.40 0.0000000%
iColcap 06/05/2013 10:03 17000 1070 -15.432894 -9.21918945 39.4636015 17440.1405 17243.5299 17000 9,967.40 0.0000000%
iColcap 06/05/2013 10:10 16990 30000 -21.7013082 -11.7156132 33.6601307 17435.6615 17237.7145 16990 9,967.40 0.0000000%
iColcap 06/05/2013 10:23 16910 8300 -32.746917 -15.9218739 32.5949367 17430.431 17239.1119 16910 9,967.40 0.0000000%
iColcap 07/05/2013 09:19 17015 200000 -32.6516313 -19.2678254 10.1226994 17426.2974 17208.4616 17015 9,967.40 0.0000000%
iColcap 07/05/2013 09:37 17014 100000 -32.284651 -21.8711905 33.5766423 17422.1949 17174.6912 17014 9,967.40 0.0000000%
iColcap 07/05/2013 09:44 17017 100000 -31.3898984 -23.7749321 34.7607053 17418.1631 17184.4407 17017 9,967.40 0.0000000%
iColcap 07/05/2013 09:57 17005 50000 -31.2884266 -25.277631 36.5284974 17414.052 17172.0092 17005 9,967.40 0.0000000%
iColcap 07/05/2013 10:19 16997 100000 -31.4905394 -26.5202127 37.4005305 17409.9023 17176.6771 16997 9,967.40 0.0000000%
iColcap 07/05/2013 10:30 17001 50000 -30.970935 -27.4103571 34.0540541 17405.8336 17101.1804 17001 9,967.40 0.0000000%
iColcap 07/05/2013 11:19 16995 50000 -30.6895248 -28.0661907 34.8058902 17401.7457 17073.4837 16995 9,967.40 0.0000000%
iColcap 07/05/2013 11:42 16978 50000 -31.475434 -28.7480393 36.0110803 17397.5293 17069.1898 16978 9,967.40 0.0000000%
iColcap 08/05/2013 09:54 16960 50000 -33.1683778 -29.632107 31.1111111 17393.1758 17051.3975 16960 9,967.40 0.0000000%
iColcap 08/05/2013 11:01 16940 2500 -35.7122127 -30.8481282 29.6296296 17388.6666 17085.3869 16940 9,967.40 0.0000000%
iColcap 08/05/2013 11:27 16930 50000 -38.0959897 -32.2977005 29.1666667 17384.1027 17061.5882 16930 9,967.40 0.0000000%
iColcap 08/05/2013 11:35 16920 20000 -40.3271997 -33.9036003 33.0383481 17379.4848 17030.3168 16920 9,967.40 0.0000000%
iColcap 08/05/2013 11:36 16910 7500 -42.4134503 -35.6055703 36.8421053 17374.8133 17015.731 16910 9,967.40 0.0000000%
iColcap 08/05/2013 11:43 16917 150000 -43.0062285 -37.0857019 36.8421053 17370.2579 17014.1758 16917 9,967.40 0.0000000%
iColcap 08/05/2013 12:59 16895 30000 -44.735542 -38.61567 51.5151515 17365.529 17012.777 16895 9,967.40 0.0000000%
iColcap 08/05/2013 13:57 16840 30000 -49.968075 -40.886151 9.45945946 17360.2999 17015.1773 16840 9,967.40 0.0000000%
iColcap 08/05/2013 14:20 16796 65000 -57.0081726 -44.1105553 6.93069307 17354.6849 17033.0926 16796 9,967.40 0.0000000%
iColcap 09/05/2013 09:35 16831 100000 -59.08223 -47.1048902 4.52674897 17349.4741 17051.162 16831 9,967.40 0.0000000%
iColcap 09/05/2013 09:37 16836 100000 -59.6350416 -49.6109205 17.2932331 17344.365 17084.2806 16836 9,967.40 0.0000000%
iColcap 09/05/2013 09:45 16848 100000 -58.4312895 -51.3749943 19.391635 17339.426 17097.7566 16848 9,967.40 0.0000000%
iColcap 09/05/2013 09:49 16843 200000 -57.2211557 -52.5442266 21.7712177 17334.4864 17107.0414 16843 9,967.40 0.0000000%
iColcap 09/05/2013 09:51 16854 100000 -54.7434593 -52.9840731 21.8518519 17329.7055 17135.2036 16854 9,967.40 0.0000000%
iColcap 09/05/2013 09:53 16847 50000 -52.7367917 -52.9346168 26.5151515 17324.9024 17164.979 16847 9,967.40 0.0000000%
iColcap 09/05/2013 09:58 16831 60000 -51.8399804 -52.7156895 27.6679842 17319.988 17121.04 16831 9,967.40 0.0000000%
iColcap 09/05/2013 10:11 16830 8809 -50.6263535 -52.2978223 28.1124498 17315.1125 17143.8619 16830 9,967.40 0.0000000%
iColcap 09/05/2013 10:37 16840 2000 -48.3008469 -51.4984273 29.1666667 17310.385 17111.8352 16840 9,967.40 0.0000000%
iColcap 09/05/2013 11:25 16830 8769 -46.7261527 -50.5439723 33.3333333 17305.605 17118.6197 16830 9,967.40 0.0000000%
iColcap 09/05/2013 12:27 16830 10350 -44.9599261 -49.4271631 33.3333333 17300.8727 17106.5847 16830 9,967.40 0.0000000%
iColcap 09/05/2013 14:02 16800 50000 -45.4569288 -48.6331162 31.3304721 17295.8888 17115.7478 16800 9,967.40 0.0000000%
iColcap 09/05/2013 14:40 16780 16708 -46.9237324 -48.2912395 30.2904564 17290.7556 17126.7136 16780 9,967.40 0.0000000%
iColcap 09/05/2013 14:41 16780 3292 -47.5381941 -48.1406304 35.4368932 17285.6735 17115.2424 16780 9,967.40 0.0000000%
iColcap 10/05/2013 09:38 16607 200000 -61.278434 -50.7681911 45.0617284 17278.9205 17073.6533 16607 9,967.40 0.0000000%
iColcap 10/05/2013 10:12 16620 100000 -70.3082124 -54.6761954 12.6666667 17272.3641 17054.8395 16620 9,967.40 0.0000000%
iColcap 10/05/2013 10:55 16610 60000 -77.3793127 -59.2168188 14.9350649 17265.7734 17036.1188 16610 9,967.40 0.0000000%
iColcap 10/05/2013 11:41 16570 50000 -85.2284162 -64.4191383 11.1111111 17258.8503 17001.9026 16570 9,967.40 0.0000000%
iColcap 10/05/2013 12:17 16551 149660 -91.9224043 -69.9197915 9.97067449 17251.807 17011.1999 16551 9,967.40 0.0000000%
iColcap 10/05/2013 12:20 16551 100000 -96.119433 -75.1597198 6.59025788 17244.8338 17011.0551 16551 9,967.40 0.0000000%
iColcap 10/05/2013 12:23 16550 22000 -98.3920974 -79.8061953 6.7251462 17237.92 16993.4756 16550 9,967.40 0.0000000%
iColcap 10/05/2013 12:45 16550 883 -99.0513974 -83.6552357 7.03363914 17231.075 17005.5985 16550 9,967.40 0.0000000%